[发明专利]血流储备分数(FFR)指标

权利要求书

1.一种信号处理的方法，包括：

基于在狭窄的出口处的有效直径或半径、在所述狭窄的入口处的直径或半径和在所述狭窄的入口处的流率来估计所述狭窄的出口流率；

基于在所述狭窄的所述入口处的主动脉血压、所述出口流率和粗略的计算流体动力学模拟来估计所述狭窄的出口阻力；

基于提取的特征和学习模型来将具有所述狭窄的心血管的未知血流储备分数度量分类为多个不同预定义类别中的一种，其中，所述提取的特征包括所述狭窄的一个或多个估计的边界条件，所述一个或多个估计的边界条件包括所述狭窄的所估计的出口流率或所估计的出口阻力中的至少一个；并且

生成指示所述分类的信号。

2.根据权利要求1所述的方法，其中，所述分类包括生成所述未知FFR的数值，并且所述方法还包括：

基于所述数值来将所述未知血流储备分数度量分类。

3.根据权利要求1至2中的任一项所述的方法，其中，特征包括以下中的一个或多个：狭窄百分比、狭窄长度、在主动脉与所述狭窄之间的距离、狭窄位置、心室尺寸、心肌质量、冠状动脉的几何结构、冠状动脉的中心线。

4.根据权利要求3所述的方法，其中，所述特征包括以下中的一个或多个：对应于在所述狭窄的所述入口、所述狭窄的中间区域或所述狭窄的所述出口中的至少一个周围的感兴趣强度集的体素的子集；在所述狭窄之后或所述狭窄之前中的至少一个的中值强度值；在所述狭窄的所述入口、所述出口或中心区域中的至少一个周围的强度轮廓；或者沿着所述血管的强度轮廓；测试结果、生命体征、对象病史或对象家庭病史中的一个或多个；或者计算流体动力学模拟的结果。

5.根据权利要求1所述的方法，还包括：

通过最小化包括阻力项和流速项的能量函数来优化所估计的阻力。

6.根据权利要求5所述的方法，还包括：

基于所述狭窄的所估计的出口流率和所述狭窄的所估计的阻力来执行随后的计算流体动力学模拟。

7.根据权利要求1至2中的任一项所述的方法，还包括：

估计针对所述狭窄的血流储备分数的点估计并生成指示所述点估计的第二信号。

8.根据权利要求7所述的方法，所述估计包括：

使用基于训练集或仅仅来自所述训练集的相关类别集的预定数量的最近邻样本中的至少一个的加权插值，其中，所述相关类别集是对应于分类类别的类别。

9.根据权利要求7中所述的方法，还包括：

确定所估计的血流储备分数的置信区间并生成指示所述置信区间的第三信号。

10.一种信号处理的系统，包括：

数据分析器(118)，其被配置为确定针对狭窄的未知血流储备分数的血流储备分数分类，所述数据分析器包括：

边界条件估计器(210)，其被配置为基于包括血管和所述狭窄的表示的图像数据来估计所述血管的所述狭窄的至少一个边界条件，所述至少一个边界条件包括所述狭窄的估计的出口流率或所述狭窄的估计的出口阻力中的至少一个，

其中，所述边界条件估计器根据在所述狭窄的出口处的有效直径或半径、在所述狭窄的入口处的直径或半径和在所述狭窄的所述入口处的流率来估计所述狭窄的出口流率，并且所述边界条件估计器使用迭代算法基于在所述狭窄的所述入口处的主动脉血压和所述出口流率来估计所述狭窄的阻力；

特征提取器(304)，其被配置为从以下中的至少一个提取一个或多个特征：在表示所述狭窄和对应血管的图像数据中的经分割的感兴趣组织、所述狭窄的所估计的边界条件、以及来自所述图像数据或对象数据的强度信息；以及

分类器(308)，其被配置为基于所提取的特征和学习模型来将所述未知血流储备分数分类为多个不同预定义类别中的一种，所提取的特征包括所述狭窄的所估计的出口流率和所述狭窄的所估计的出口阻力。